基于进化规则的自适应IIR滤波

针对基于梯度下降算法的自应用ＩＩＲ滤波器（ＡＩＩＲＦ）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题。本文将进化规划用于ＡＩＩＲＦ的优化设计，不仅解决了ＡＩＩＲＦ系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局导优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的ＡＩＩＲＦ的性能优于基于梯度算法的ＡＩＩＲＦ，尤其对高阶、极点靠近单位圆的自适     

基于进化规划算法的IIR数字滤波器优化设计

采用进化规划算法进行IIR数字滤波器的优化设计。进化规划算法是一种模拟自然选择和变异机制的随机并行优化算法。本文首先描述了进化规划算法,并将进化规划算法用于IIR数字滤波器优化设计,模拟计算结果表明本算法具有良好的优化效果。     

基于进化规划算法的IIR数字滤波器优化设计

采用进化规划算法进行IIR数字滤波器的优化设计.进化规划算法是一种模拟自然选择和变异机制的随机并行优化算法.本文首先描述了进化规划算法,并将进化规划算法用于IIR数字滤波器优化设计,模拟计算结果表明本算法具有良好的优化效果.     

基于微粒群算法的自适应IIR滤波器的优化设计

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对自适应IIR滤波器进行优化设计,它不依赖于梯度信息,能够有效地实现自适应IIR滤波器参数的全局寻优,仿真结果表明用微粒群算法进行参数寻优优于遗传算法,不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,也解决了稳定性问题。     

基于微分进化算法的自适应滤波的应用

电流互感器综合特性测试仪使用了传统LMS算法自适应滤波.基于传统LMS算法自适应滤波的缺点之一是容易陷入局部最优解,从而影响滤波效果.微分进化算法是一种较新的全局优化方法,能够保证全局最优解.将微分进化算法应用于自适应滤波,并将该滤波方法应用于电流互感器综合特性测试仪,取得了预期效果.     

基于自适应变异规则的一种有效的进化规划

为改善普通进化规划的算法性能，通过学习进化过程中获得的种群整体进化信息，提出进化规划的一种新的自适应变异规则，基于该规则的进化规划不仅能加快算法的收敛速度，而且能有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算机仿真实验结果表明该方法的方法是很有效的。     

基于U-滤波LMS算法的自适应逆控制系统

根据对IIR算法的快速收敛性考虑，采用了基于U－滤波LMS算法的IIR控制器。并且与传统的FIR结构的X－滤波LMS算法的自适应逆控制器作了比较，在相同条件下，U－滤波LMS算法的控制系统大大减少了计算量，快速性得到了提高，并且权值的失调较小，对于参考模型的输出具有非常优良的跟踪性能。     

基于进化规划的区间系统卡尔曼滤波

对不确定系统的最优鲁棒滤波问题, 提出了一种新的方法———进化规划(EP)卡尔曼滤波. 该方法采用EP全局寻优技术, 搜索最优估计区间; 也采用EP全局最优技术, 确定工程中可实现的最优估计标称值. 这种新方法的假设条件与标准的卡尔曼滤波完全相同, 并具有标准的卡尔曼滤波相同的递推结构、相同的最优性. 最后, 给出计算仿真的例子, 并与文 [1]的仿真结果进行了比较. 结果表明, 本文提出的新方法更精确, 有较少的保守性.     

基于混沌搜索的自适应差分进化算法

提出一种基于混沌搜索的自适应差分进化算法（CADE）,该算法在计算过程中自适应地调整交叉率,在搜索初期保持种群多样性的同时增强算法的全局收敛性。具有较强局部遍历搜索性能的混沌搜索的引入使得算法具有较好的求解精度,增加搜索到全局最优解的概率。对几种典型的测试函数对CADE进行了测试,实验结果表明,该算法能有效地避免早熟收敛,具有良好的全局收敛性。     

基于粒子群优化算法的自适应IIR滤波器设计

针对自适应无限冲激响应(infinite impulse response,IIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(particle swarm optimization,PSO)设计IIR数字滤波器的方法.将滤波器的设计问题转化为滤波器参数的优化问题,利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化,基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究,验证了该方法的有效性、全局性和对初值的鲁棒性.     

基于学习的进化规划算法

提出基于学习的进化规划算法，用以改进普通进化规划算法的性能，该算法－方面通过学习种群整体的进化信息用以改善种群整体性能，具有大范围快速搜索的特点，另一方面该算法强调学习种群中个体的进化信息，单一个体以当前代的最优化个体作为学习目标，用以加大当前最优解附近的搜索力度，具有局部“细搜”的特点，该进化规划算法不仅能够加快算法的收敛速度，而且能够有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算要仿真实验结果表明该方法是非常有效的。     

消除噪声引起的自适应滤波偏差

在自适应滤波中，如何消除有色噪声引起的估计偏差一直是人们关心的重要问题。为了解决此问题，本文提出了一种偏差补偿的自适应滤波算法（ＢＥＬＳＡＦ）。理论分析和仿真实验表明，本文所提出的算法是收敛的，并且它可在不对噪声建模的情况下去除噪声对滤波的影响。     

一种基于格型算法的线谱增强器

利用格型算法的线谱增强器与自适应FIR陷波器相比,不仅运算量大大降低,而且避免了FIR陷波器中去噪声相关时延△的选择,这两点十分有利于工程实现。利用变步长的自适应线谱增强器可以大大增加收敛速度。计算机仿真结果证明了这一点。     

基于混沌序列的自适应进化规划算法

针对进化规划在进化搜索过程中存在较多非法个体这一问题,提出一种新的自适应进化规划算法.该算法根据混沌序列的特性,将混沌序列引入到进化规划的变异算子中.理论分析和实验表明,与基于Guassian变异的进化规划相比,该算法不仅具有良好的快速收敛性和鲁棒性,而且能够有效地消除非法解,计算简单、容易实现.     

基于非线性自适应IIR滤波器的混沌时间序列辨识方法

提出了一种混沌时间序列的非线性自适应IIR滤波辨识算法,该算法采用非线性IIR滤波器来自适应跟踪非线性混沌动力系统的动态特性进行辨识,实验结果表明,该算法具有较高的辨识能力和抗噪声性能。     

基于自适应进化算法的烧结配料优化

针对烧结配料系统的多样性、复杂性和相关性特点,基于广义回归神经网络建立了烧结配料预测模型,提出基于自适应加速机制的多种群进化算法的烧结配料优化算法。该算法在引入自适应加速机制和弹性缩放因子的前提下,充分运用了多种群进化算法的全局搜索能力寻找最优的工艺参数组合,将神经网络和自适应进化算法有机结合,实现了烧结配料的优化,增加了混合料中有用的化学成分,从而提高了产品质量。实际计算结果验证了该优化算法的正确性。     

基于混沌序列的自适应进化规划算法*

针对进化规划在进化搜索过程中存在较多非法个体这一问题,提出一种新的自适应进化规划算法。该算法根据混沌序列的特性,将混沌序列引入到进化规划的变异算子中。理论分析和实验表明,与基于Guassian变异的进化规划相比,该算法不仅具有良好的快速收敛性和鲁棒性,而且能够有效地消除非法解,计算简单、容易实现。